/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
30,5 ГБ
Лицензия
Apache 2.0
Архитектура
qwen2 · dense
Базовая модель
Qwen2.5-7B-Instruct
Библиотека
transformers
Опубликована
29 сен 2026

gats-coldstart-sft-qwen2.5-7b-webshop

Генерация текстаТекст → текст3 профессии

Модель Qwen2.5-7B, дообученная на успешных траекториях агента WebShop для исследований холодного старта в обучении с подкреплением.

162скачиваний за 30 дней0лайковвеса обновлены29 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

GATS Cold-Start SFT — контрольная точка Qwen2.5-7B-Instruct, дообученная командой проекта GATS на успешных траекториях учителя Qwen2.5-1.5B для задач WebShop. Модель предназначена для исследований методов холодного старта агентного обучения с подкреплением и воспроизведения базовых экспериментов статьи GATS; это не универсальный помощник.

Модель использует плотную архитектуру Qwen2 и содержит 7,1 млрд параметров. Она принимает текстовые инструкции и многоходовые диалоги, а генерирует текстовые ответы и траектории агента. Контекст — до 32 768 токенов. Контрольная точка сохранена в формате safetensors с весами float32; для инференса можно преобразовать их в bfloat16. Обучение проводилось на отфильтрованных успешных траекториях учителя: карточка сообщает о 6 129 обучающих строках и 240 уникальных задачах.

Модель специализируется на сценариях WebShop и экспериментах с обучением агента по демонстрациям учителя. Её качество за пределами этого сценария не заявлено. Основа — Qwen/Qwen2.5-7B-Instruct, лицензия Apache-2.0.

Сценарии применения

  • воспроизведение базовых экспериментов GATS
  • генерация траекторий агента для задач WebShop
  • изучение холодного старта агента по демонстрациям учителя
  • сравнение имитационного обучения с обучением агента с нуля

Ограничения

Модель предназначена для экспериментов с WebShop и не позиционируется как универсальный помощник; качество в других сценариях не описано. Карточка приводит точность 71,9% для валидации на этапе обучения до RL, что не характеризует качество на иных задачах.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

GATS Cold-Start: SFT cold-start (WebShop)

Part of the Cold-start collection for the GATS paper (capability-aware on-policy distillation). Student: Qwen2.5-7B-Instruct; teacher: Qwen2.5-1.5B GRPO-trained on WebShop train tasks.

Cold-start phase: supervised fine-tuning

Fine-tuned on successful trajectories of a Qwen2.5-1.5B teacher (itself GRPO-trained for 150 steps on the WebShop train tasks). Corpus: teacher rollouts (18-21 sampling steps x 16 tasks x 8 rollouts per task), success-filtered, capped at 4 / floored at 2 trajectories per task, rendered as per-turn multiturn rows (loss on assistant spans); every turn is byte-verified against the teacher tokenizer's chat template.

  • Corpus: 6,129 rows over 240 unique tasks
  • Training: 3 epochs, lr 1e-5, global batch 32 (micro-batch 8/GPU), FSDP, multiturn format with loss on assistant spans
  • Checkpoint: global_step_573 ("128-task" corpus group)
  • Validation before any RL: 71.9% (train-time val at RL step 0)

Storage

Weights are stored in float32 (7 shards). Cast to bfloat16 for inference if preferred; this is the unmodified SFT trainer checkpoint.

Intended use

Research on cold-start strategies for agent RL (imitation-first vs RL-from-scratch) and reproduction of the GATS paper baselines. Not a general-purpose assistant.

Provenance

Trained 2026-09-28 on the internal verl-based stack; checkpoints uploaded unmodified from the training runs (bfloat16 unless noted float32 above).

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
74a5b02

0 моделей